Uso de tecnología para anticiparse a complicaciones por diabetes gestacional
El monitoreo continuo de glucosa genera un volumen de datos difícil de analizar manualmente. Mediante ciencia de datos, un estudio preliminar transforma esa información en métricas clínicas personalizadas y sienta las bases para futuros modelos predictivos de riesgo perinatal en Chile.
La diabetes gestacional (DG) afecta a cerca del 10% de los embarazos en el mundo y en Chile su incidencia ha aumentado sostenidamente durante las últimas dos décadas, llegando a 56,5 casos por cada 1.000 partos en 2022.
Ante este panorama, investigadores e investigadoras del Instituto Milenio iHEALTH trabajan en el proyecto FONDEF ID2510588 D-EVITA, una iniciativa que apuesta por la inteligencia artificial explicable para anticipar, de forma personalizada, complicaciones perinatales en gestantes con diabetes mellitus gestacional.
En el marco de este proyecto, la investigadora Sofía Lazo, estudiante del Doctorado en Ciencias e Ingeniería para la Salud de la Universidad de Valparaíso, presentó recientemente resultados preliminares en el XI Congreso Internacional de la Latin American Society for Maternal-Fetal Interaction and Placenta (SLIMP) 2026, celebrado en Chillán, Chile.
El trabajo, titulado "Preliminary Continuous Glucose Monitoring Metrics in Chilean Women with Gestational Diabetes from the D-EVITA Study" se deriva del monitoreo continuo de glucosa (MCG) aplicado a 14 mujeres chilenas con diabetes gestacional en un rango de 1 a 14 días, con mediciones cada 15 minutos.
A diferencia del monitoreo tradicional —que entrega una fotografía puntual del nivel de azúcar mediante punciones capilar en momentos específicos del día—, el MCG utiliza un pequeño sensor instalado sobre la piel que registra los niveles de glucosa en el tejido durante todo el día y la noche. Esto permite detectar variaciones que el método convencional podría pasar por alto: alzas bruscas después de comer, bajas durante el sueño u otros patrones que son clave para el manejo oportuno de la condición.
“Muchos datos que se generan por gestante, analizar esta información de forma manual quita mucho tiempo. ¿Qué hicimos? A partir de ciencia de datos modelamos la señal biológica generando métricas avanzadas que permiten analizar clínicamente a una gestante, como el promedio de glicemia, su desviación estándar y el tiempo en rango ideal, entre otras” señaló Sofía.
El estudio concluye que el MCG permite una caracterización detallada de las dinámicas glucémicas en gestantes con DG, entregando información clínicamente relevante "mucho más allá de lo que nos puede entregar la monitorización convencional" recalca la investigadora iHEALTH. Además, los resultados abren la puerta a futuros modelos predictivos de riesgo perinatal en la población chilena.
La herramienta también tiene un valor educativo directo: al registrar de forma continua los patrones de cada gestante —horarios de alimentación, variaciones entre días de semana y fines de semana, episodios de hipo o hiperglicemia—, el equipo clínico puede intervenir de manera más dirigida y personalizada, incluso en contextos donde el tiempo de atención es limitado.
No es la primera vez que Sofía Lazo destaca en eventos internacionales en esta línea. En septiembre de 2025 presentó el trabajo "Risk Factors for Gestational Diabetes Using Explainable Machine Learning in a Chilean Population" en el 13th World Congress of the International DOHaD Society, realizado en Buenos Aires. Ese estudio utilizó machine learning explicable para predecir riesgos de DG a partir de más de 11.000 registros clínicos del Hospital San Camilo entre 2015 y 2021.
Sobre D-EVITA
El proyecto D-EVITA —seleccionado en el concurso IDeA I+D 2025 de ANID— es liderado por el Dr. Fabián Pardo (Universidad de Valparaíso), investigador adjunto de iHealth, y la Dra. Indira Chiarello (Universidad San Sebastián), con la participación del Dr. Rodrigo Salas, investigador principal de iHEALTH, y un equipo interdisciplinario que incluye a Sofía Lazo, Matías Fossa, Matías Salinas, Maite Bahamondes, Carolina Osorio y la Dra. Ayleen Bertini. Su objetivo es desarrollar y pilotear un software de IA explicable que permita anticipar complicaciones perinatales de forma personalizada, optimizando recursos del sistema público y reduciendo brechas de atención, especialmente en regiones.
